SleepMaMi 睡眠基础模型论文发布

arXiv 正式发布论文《SleepMaMi：一个整合宏观与微观结构的全能睡眠基础模型》，由 Keondo Park 等研究团队提出。 该模型旨在全面掌握长时间尺度的睡眠架构与细粒度信号形态，在预训练阶段使用了超过 20,000 条多导睡眠图（PSG）及 158K 小时的数据语料。 模型采用层级双编码器架构设计：宏观编码器通过人口统计学引导的对比学习优化整夜时序依赖；微观编码器则结合混合掩码自编码器与多模态对比目标，用于提取短期特征。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。